Armando un proyecto de trabajo

class: center, middle, inverse, title-slide

.title[
# Armando un proyecto de trabajo
]
.subtitle[
## Dirección Nacional de Estadística Criminal - Ministerio de Seguridad
]

---

.remark-slide-content {
    font-size: 25px;
    padding: 1em 1em 1em 1em;
}

.remark-code{
  line-height: 1.5; font-size: 80%
}

@media print {
  .has-continuation {
    display: block;
  }
}
</style>

# Hoja de ruta

## ✔️ Estructura de carpetas

## ✔️ Proyectos de trabajo (_R project_)

---
# Proyectos y rutas de trabajo

Intentar correr la siguiente sentencia en la consola o en un script.R :

```r
library(tidyverse)

base_snic <- read_csv("C:/Users/pablo/Documents/Pablo/Cursos R/r_min_seguridad/intro_r_minseg/data/inmuebles-estado-nacional.csv")
```

### A tener en cuenta respecto a la sentencia para importar el archivo (nuestra base):

- Si se la compartimos a otra persona, __se rompe__
    
- Si cambiamos de computadora, __se rompe__
    
- Si lo cambiamos de lugar, __se rompe__

---
# Armar un nuevo proyecto

.pull-left[

#### Paso 1:

]

.pull-right[

#### Paso 2:

]

---
# Armar un nuevo proyecto

.pull-left[

#### Paso 3:

]

.pull-right[

#### Resultado:

]

---
# Armar un nuevo proyecto

---
# Proyectos y rutas de trabajo

### Armando un proyecto con Rstudio, al ubicar la base de datos en la carpeta, la función se escribiría de esta forma:

```r
library(tidyverse)

base_snic <- read_csv("inmuebles-estado-nacional.csv")
```

### Ventajas:

- R pone un ancla, un punto de partida desde donde recorre las carpetas de la computadora.

- Si dos personas comparten la misma estructura de carpeta en el proyecto, su código pasa a ser reproducible.

---
# Flujo de trabajo

### Supongamos que queremos comenzar un nuevo proyecto para analizar la base del Sistema Nacional de Información Criminal (SNIC).

#### El flujo de trabajo sería el siguiente:

1) Armo la carpeta del proyecto, por ejemplo con la estructura siguiente:

- 📂 proyecto_snic

- 📂 datos
    
    - 📂 resultados
    
    - 📂 scripts
    
    - 📂 docs

---
# Proyecto de trabajo

2) Ubico la base de datos en la carpeta correspondiente (__datos__):

- 📂 proyecto_snic

- 📂 datos
    
         -  `📄 snic-departamentos-mes-sexo.csv` 
    
    - 📂 resultados
    
    - 📂 scripts
    
    - 📂 docs_metodologicos

---
# Proyecto de trabajo

3) Abro Rstudio y creo un proyecto, ubicado en la carpeta principal (**proyecto_snic**)

- 📂 proyecto_snic
   
    -  <img src = "data:image/png;base64,#img/Rproject.png" style="height: 35px; width:35px;"/>  _proyecto_snic.Rproj_ **<--**

- 📂 datos

-  📄 *snic-departamentos-mes-sexo.csv*
    
    - 📂 resultados

- 📂 scripts

- 📂 docs

---
# Proyecto de trabajo

4) Creo un script llamado _levantar_datos.R_ para trabajar en R y lo guardo en la carpeta __scripts__

- 📂 proyecto_snic
    
    -  <img src = "data:image/png;base64,#img/Rproject.png" style="height: 35px; width:35px;"/>  _proyecto_snic.Rproj_ 
  
    - 📂 datos
    
         - 📄 snic-departamentos-mes-sexo.csv
  
    - 📂 resultados
    
    - 📂 scripts
    
        - 📄 `_1_levantar_datos.R_`
    
    - 📂 docs

---
# Proyecto de trabajo

5) En el script, cargo los paquetes cuyas funciones voy a utilizar. En este caso, el paquete `tidyverse` para poder importar bases de datos con la función `read_csv()`:

```r
library(tidyverse)
```

6) Creo un objeto en el cual voy a importar la base de datos y utilizo la función `read_csv()` para hacerlo.

__Recordar:__ _Estamos en un proyecto, por lo que la ruta comienza en la carpeta en la que se encuentra el archivo .Rproj_

```r
base_snic <- read_csv("datos/snic-departamentos-mes-sexo.csv")
```

---
# Funciones para una primera mirada a la base de datos:

---
class: inverse, middle, center